Впервые понятие «отрицательной энтропии» предложил в 1943 году австрийский физик Эрвин Шрёдингер в популярной книге «Что такое жизнь?». В ней он пытался продолжить идеи своего коллеги Нильса Бора о глубокой связи физических и философских законов, согласно которым сформулированный Нильсом Бором принцип дополнительности мог объединить...
在你的帮助下，也许我们会想出办法来。）也就是说，如果我理解正确的话，有必要选择那些在一边和另一边摩擦接近零的输入。是这样吗？
:))))在这种情况下，你必须打电话给巫师寻求帮助 :))))。
我只能说一件事--是非熵导致了趋势/平坦状态。趋势是过程的 "记忆"，其分布的 "尾巴 "和非熵是巨大的，而在平坦状态下，它几乎为零。我只和自己打交道，但我明白这个鲜有研究的参数的重要性。
我还能说什么呢。初步总结...
如果你在接近零余的原则下选择一个模型，无论从哪方面看，那么24个交易中就有9个错误。
如果我们按照最低数的原则来选择，24个中只有7个错误。此外，在外在负熵的情况下，一次是正确的，一次是错误的。但是，这又是一个愚蠢的熵的计算，而我们需要计算相互信息。我认为正是这个指标可以说明很多问题。哪些模型是要扔掉的，哪些是要放在基座上的。
谁能解释一下，你需要对数据做什么来计算VI????？
我还能说什么呢。初步总结...
如果你根据接近零余的原则选择一个模型，无论从哪个方面，那么在24个交易中，有9个错误。
如果我们按照最低数的原则来选择，24个中只有7个错误。此外，在外部负熵的情况下，一次是正确的，一次是错误的。但是，这又是一个愚蠢的熵的计算，而我们需要计算相互信息。我认为正是这个指标可以说明很多问题。哪些模型是要扔掉的，哪些是要放在基座上的。
谁能解释一下我们需要对数据做什么来计算VI????？
聪明，米哈伊尔!
你能不能比我更快地做有熵/无熵的TS--PAMM账户或工作室的信号！？我将是第一个报名的人，因为这将是事实。
如果你选择一个基于接近零的模型，无论从哪方面来看，那么24个交易中有9个错误。
这些统计数据是不够的--我们需要将其至少增加100倍。
如果我们按照接近零的原则选择一个模型，那么从哪一边开始都无所谓，那么24个交易中就有9个错误。
如果我们遵循数字最小的原则，24项中只有7项错误。
试试最高的数字--也许不会差到哪里去。
聪明，米哈伊尔!
如果你能在我之前用熵/非熵做一个TS--PAMM账户或工作室的信号!我将是第一个报名的人，因为这将是事实。
不幸的是，我不能根据这些指标进行优化，因为我使用的是盒子里的优化器，但前处理和后处理（模型选择），我想我可以。 但我需要在计算相互信息的例子方面得到帮助。 经过一些研究，我们可以得出一些结论。至少可以得出最重要的结论，这些指标在训练前的数据准备和训练后的模型选择中是否有意义.....。
亚历山大，是否有可能在播客时进行解释？
这还不够统计--至少100倍以上。
嗯，这只是我...只是匆匆忙忙。我个人认为，以下.....
如果在VFD的帮助下，我们可以选择相关的输入，这些输入将包含关于输出的最大信息，那么关于这种输入的模型将更经常地发挥作用。然后在模型在RES上运行的过程中，在VF的帮助下，跟踪模型失去相关性的时刻。这可能是暂时性的。已经注意到，在一系列的错误之后，模型就像什么都没有发生一样又开始正常工作了，我想，就像VVI这样的指标可以帮助我们大家在这样一个困难的情况下....。剩下的就是计算条件熵了......没有人知道如何用两列 excel?????。
你认为我整晚都在干蠢事？不，我一直在研究VBA。我不能说我是一个大师，但我可以做很多的技巧。我已经有了熵的计算，我所要做的就是计算条件，我就可以走了....。
看，迈克尔，我是怎么做的。
计算一个事件发生的概率，即时间序列中的这个或那个增量。
例如，对于AUDCAD。
然后对于一个给定的样品体积，连续获得的增量使用来自https://ru.wikipedia.org/wiki/Негэнтропия 的公式计算非熵。
我注意到，当H(x)急剧增加时，趋势开始。
但是，我再说一遍，我的研究只是在最开始的时候，离我通常喜欢的大声说话还有一段距离。
然后对于一个给定的样品体积，连续获得的增量使用来自https://ru.wikipedia.org/wiki/Негэнтропия 的公式计算非熵。
我注意到，当H(x)急剧增加时，趋势开始。
但是，我再说一遍，我的研究只是在最开始，离我通常喜欢的沸沸扬扬的声明还有很长的路要走。
令人惊讶的是，你说的非熵是一个单独的计算，我只是计算熵，结果是负的，你怎么理解？
至于极端的情况，你说得很对。在我的观察中，在25个信号中，我有两个这样的数值：一个--923，另一个--1233，而这些信号正是超级趋势的。
令人惊讶的是，你说的非熵是一个单独的计算，但我只是计算熵，结果是负的。
我还不知道。我把非熵看成是赫斯特、不对称性、峰度等的一个附加参数，这个参数是最神秘的，而且，怎么说呢？- 华丽，是的。